跨坐标系融合的相机可控视频生成框架

Shuai Li、Jinxu Xiang等人提出相机可控的图像到视频生成框架 Gen Through the Lens，能从一张参考图像合成视频，并实现物理一致的相机操作。 该框架把控制信号拆到三个空间：相机坐标负责内参，世界坐标提供空间几何提示，物体坐标用目标主体的 3D 边界框，再通过跨坐标条件融合统一引导生成，以控制相机运动、对焦与构图。作者称实验显示其在真实感与可编辑性上优于现有方法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。